본 연구는 기존 대비 개선된 샘플 복잡도 분석을 통해 초거대 언어 모델 학습의 이론적 이해도를 높이고자 합니다. 기존 연구는 입력 튜플이 독립적이라고 가정했지만, 실제 데이터는 종속성을 가집니다. 본 연구는 이러한 점을 고려하여 새로운 추정기를 제안합니다. 새로운 추정기는 클래스별 위험 농도를 파악하여 극단적인 다중 클래스 학습 시 더욱 정확한 경계를 제공하며, 샘플 복잡도는 클래스 수에 비례합니다.